AI歌曲创作核心技能

八层门禁链路（GATED WORKFLOW）

所有歌曲创作必须严格按 8 层顺序执行。每层是一个硬门禁（HARD GATE）——失败/不通过不得进入下一层。

GATE 0: RESEARCH     → 调研背景信息
GATE 1: OUTLINE      → 分段主题大纲 + 韵脚预分配
GATE 2: RHYME_BANK  → 逐段韵脚字库 + 词语释义
GATE 3: WRITE       → 反推造句（受预分配尾字约束）
GATE 4: VERIFY      → pypinyin 全量验证 + 修复
GATE 5: PRONUNCIATION → 生僻字扫描 + 替换 + --extra 拼音
GATE 6: CONFIRM     → 用户确认歌词
GATE 7: GENERATE    → mmx music generate + 发送
GATE 8: QA          → 听审 + 迭代修复

> ⚠️ 核心原则：每层产出必须验证通过后才能进入下一层。在 GATE 3 写词前，GATE 2 的韵脚字库必须已经 100% 确定（44字全局唯一）。不能边写边改韵脚。

GATE 0：调研背景

目标：收集主题相关的历史、事件、特点、典故，输出调研笔记。

# 企业/公司
mmx search query --q "公司名称 成立 历史 里程碑 产品" --limit 10 --non-interactive --quiet --output json

# 景点/地点
mmx search query --q "景点名称 历史 典故 特色 名人" --limit 10 --non-interactive --quiet --output json

# 特定领域（如六代机）
mmx search query --q "关键词 最新进展 2024 2025" --limit 10 --non-interactive --quiet --output json

产出：调研笔记（关键时间节点、人物、事件、数据）

门禁检查：时间线是否完整？核心技术/事件是否覆盖？ □

GATE 1：分段主题大纲 + 韵脚预分配

目标：将叙事线拆为 11 段，预分配每段的韵脚组和 44 个全局唯一定位字。

韵脚模式选择

AABA + 中东辙标准分配（11段 × 4句 = 44句）

段韵分配（不可变）：4ang + 5eng + 2ong = 11段
L3白脚分配（不可变）：全部 en 组 = 11个白脚字
尾字总量（不可变）：12ang + 15eng + 6ong + 11en = 44字全局唯一

产出格式：

门禁检查：

• 11段是否都有明确主题？ □
• 段韵分配是否为 4ang+5eng+2ong？ □
• 44个字是否互不相同（肉眼初查）？ □
• 叙事逻辑是否通顺？ □

GATE 2：逐段韵脚字库 + 词语释义

目标：为每个预分配的韵脚字提供常用词语和释义，供 GATE 3 造句参考。

产出格式（每段一组）：

### 段1【主题】韵母 ang — 航/光/翔/间(白脚)

| 韵脚字 | 常用词语（供造句参考） | 释义 |
|--------|---------------------|------|
| 航 | 启航、远航、领航、航空 | 出发；引领方向 |
| 光 | 荣光、曙光、光芒、追光 | 光辉；荣耀 |
| 翔 | 翱翔、飞翔 | 展翅高飞 |
| 间 | 瞬间、天地间、弹指间 | (白脚) 时段、空间 |

门禁检查：

• 每个字是否都有 ≥3 个可造句的词语？ □
• 白脚字（en组）是否标注了用途？ □
• 是否有生僻字混入词库？（如「筚」「缕」「旌」→ 提前踢出） □

GATE 3：反推造句

目标：用 GATE 2 的预分配尾字反向造句。每段 AABA，L1/L2/L4 尾字必须是指定的段韵字，L3 尾字必须是指定的白脚字。

硬约束：

• ❌ 不得使用非分配的尾字
• ❌ 不得在段内换韵
• ❌ 「客户名/品牌名」只能出现一次，且在 Intro 低调位置
• ❌ 主线是业务/历史叙事，不是个人颂歌

产出：44 句完整歌词（无结构标签 — 纯文本，一行一句）

门禁检查：44 句是否写完？尾字是否与 GATE 2 分配一致（肉眼核对）？ □

GATE 4：pypinyin 全量验证

目标：用 Python 脚本逐句验证韵母归属 + AABA 结构 + 尾字全局唯一性。

必须用 pypinyin 而不能用硬编码集合：

import re
from pypinyin import pinyin
from collections import Counter

def get_rhyme_group(ch):
    """返回 'ang'|'eng'|'ong'|'en' 韵母组"""
    py = pinyin(ch, style=0)[0][0].lower()
    m = re.findall(r'[bpmfdtnlgkhjqxzcsryw]+', py)
    initial = m[0] if m else ''
    final = py[len(initial):]
    if final in ['ang','iang','uang']: return 'ang'
    if final in ['eng','ing','ueng','iong']: return 'eng'
    if final in ['ong']: return 'ong'
    if final in ['en','in','un','ün','uen','ian','an','uan']: return 'en'
    return f'other({final})'

# AABA 验证
def validate_aaba(lines, seg_rhymes):
    """lines: 44个字符串, seg_rhymes: 11个段韵列表"""
    errors = []
    tails = []
    for si in range(11):
        s = si * 4
        g1,g2,g3,g4 = [get_rhyme_group(lines[s+j][-1]) for j in range(4)]
        sr = seg_rhymes[si]
        tails.extend([lines[s+j][-1] for j in range(4)])
        if not (g1==g2==g4==sr and g3=='en'):
            errors.append(f"S{si+1}: {g1}/{g2}/{g3}/{g4} (期望 {sr}/{sr}/en/{sr})")
    dups = {k:v for k,v in Counter(tails).items() if v>1}
    return errors, dups

验收标准：

• 韵脚错误 = 0 □
• 尾字重复 = 0（全局唯一） □
• AABA 结构 = 100% 正确 □

修复原则：发现重复尾字→优先替换高频字；发现韵脚错误→换尾字（必须同组且全局唯一）。

门禁检查：以上三项是否全部通过？ □

GATE 5：发音质量控制

目标：扫描生僻字，替换高危字，为保留字准备 --extra 拼音提示。

生僻字风险分级

替换规则

• 中间位字词（不在句尾）→ 直接替换为常用同义词，不影响韵脚
• 尾字（影响韵脚）→ 替换为同韵母组常用字，且必须验证全局唯一性
• 保留字→ 必须加入 --extra 拼音提示

产出：修复版歌词 + --extra 拼音提示字符串

门禁检查：

• 乙级字是否全部替换？ □
• 保留字是否都加了 --extra 拼音？ □
• 替换后韵脚是否重新通过 GATE 4 验证？ □

GATE 6：用户确认歌词

目标：将歌词提交用户确认，未经确认不得生成音频。这是硬规则。

产出：

• 纯文本歌词（无结构标签）
• 预计时长（44句×3.2秒≈2.3分钟，repeat≈4.7分钟）
• 韵脚验证结果（0错误）

门禁检查：用户是否明确确认？ □

GATE 7：音乐生成 + 发送

目标：用正确参数调用 mmx music-2.6，生成后发送文件。

歌词双轨制

音乐风格匹配表

生成命令模板

调用 mmx 前确保 PATH 包含 mmx 所在目录（安装位置取决于环境，常见于 ~/.hermes/node/bin/ 或 ~/.local/bin/）。用 which mmx 或查找确认路径后 export。

# 确保 mmx 在 PATH 中（根据实际安装位置调整）
export PATH="<mmx安装目录>:$PATH"

mmx music generate \
  --prompt "风格描述" \
  --lyrics-file <歌词文件路径> \
  --vocals "人声描述" \
  --genre "流派" \
  --mood "情绪" \
  --instruments "乐器" \
  --tempo "速度" \
  --bpm 110 \
  --key "D major" \
  --use-case "使用场景" \
  --extra "Pronunciation: 生僻字=拼音, ..." \
  --model music-2.6 \
  --out <输出路径>.mp3 \
  --non-interactive --quiet

> ⚠️ --async 不能用于 music generate。

> ⚠️ --lyrics-file 比 --lyrics 更稳定（避免命令行字符串过长）。

> ⚠️ 不要硬编码绝对路径到技能中——让 agent 在运行时动态确认 mmx 位置。

文件发送

send_message(
    action="send",
    target="<platform>:<chat_id>",
    message="🎵 歌曲描述 MEDIA:/tmp/song.mp3"
)

门禁检查：

• 结构标签是否在 API 调用中保留？ □
• 音乐参数是否与歌曲类型匹配？ □
• --extra 是否包含发音提示？ □
• 文件是否成功发送？ □

GATE 8：听审 + 迭代

目标：听取生成结果，发现发音错误→回到 GATE 5 替换→GATE 4 重新验证→GATE 7 重新生成。

常见问题：

门禁检查：用户是否满意？ □

时长控制

预估时长 ≈ 歌词总句数 × 3.2秒/句
24句 → 约77秒（不够）
44句 → 约141秒（单遍不够，repeat ≈ 4.7分钟 ✅）
56句 → 约179秒（边缘）
60~92句 → 推荐交付区间

硬规则：单遍不足 3 分钟必须 repeat 或扩写。

补足优先级：repeat 完整结构 > 增加 Verse > 增加 Bridge。

用户反馈处理优先级

mmx-cli 参考

模型路由

> ⚠️ lyrics_generation 不可靠（经常超时），用 MiniMax-M2.7 作为歌词生成的备用模型。

> ⚠️ music-2.6-free 需要付费计划，不用。

声线参数

结构标签（mmx API 支持）

[Intro] [Verse] [Pre Chorus] [Chorus] [Interlude] [Bridge] [Outro] [Build Up] [Solo]

审查清单

□ GATE 0: 调研笔记是否完整？
□ GATE 1: 11段大纲是否通过用户确认？
□ GATE 2: 44字韵脚库是否 100% 确定？
□ GATE 3: 44句是否严格用预分配尾字造句？
□ GATE 4: pypinyin 验证是否 0 错误 + 0 重复 + AABA 全对？
□ GATE 5: 乙级生僻字是否全部替换？保留字是否加了 --extra？
□ GATE 6: 歌词是否已发给用户确认？
□ GATE 7: --model music-2.6？结构标签是否保留在 API 调用中？
□ GATE 8: 用户是否满意最终音频？

已知问题与解法

References

• MiniMax CLI: https://github.com/MiniMax-AI/cli
• Platform Docs: https://platform.minimaxi.com/docs
• ClawHub: https://clawhub.ai/andyrenxu7255/ai-songwriter-renxu
• references/rhyme-table-20260522.md — 实测押韵表
• references/session-20260522-chengfei.md — 成飞案例完整复盘